آیا با پلتفرم شیرپوینت مایکروسافت میتوان یک راهکار مدیریت دانش مطمئن، سازگار و قابل استفاده پیاده‌سازی نمود؟ در این مقاله مزایا و معایب استفاده از مایکروسافت شیرپوینت به عنوان یک سیستم مدیریت دانش و همچنان آنچه را که میتوان برای ارتقا و گسترش قابلیت‌های این سیستم انجام داد، بررسی خواهیم نمود.
مزایای مدیریت دانش در شیرپوینت
طبق گفته مایکروسافت تا سال 2011، 78 درصد از 500 شرکت، از شیرپوینت برای ارتباطات داخلی، ذخیره‌سازی اسناد و به اشتراک‌گذاری محتوای خود استفاده کرده‌اند و از هر 5 کارمند دانش یک نفر به این سیستم دسترسی داشته است.
زیرساخت گسترده و کامل شیرپوینت و یکپارچگی آن با ابزارهای پیشرفته ضروری سازمان‌ها مانند مایکروسافت آفیس، این موضوع را شفاف و قابل درک می‌سازد که چرا سازمان‌ها تمایل به پیاده‌سازی سیستم مدیریت دانش خود بر بستر شیرپوینت دارند. کارکنانی که با شیرپوینت از قبل جهت مدیریت اسناد روزمره و همچنین فرایندهای کسب و کار خود آشنا هستند، پیاده‌سازی یک راهکار کامل مدیریت دانش را در این محیط موجود، آسان‌تر می‌دانند.
چالش های پیش رو در پیاده سازی مدیریت دانش در شیرپوینت
با این حال، استفاده از شیرپوینت برای مدیریت پایگاه دانش نیز چالش‌هایی دارد.
محدودیت‌های جستجو
قابلیت جستجو که شیرپوینت آن را ارائه می‌دهد، می‌تواند برای بازیابی تعداد کمی از فایل‌ها با استفاده از پارمترهای پرس و جو کافی باشد، اما عملکرد جستجو در مقابل تعداد زیادی داده‌ها و نیازهای بیشتر برای فیلتر کردن داده‌ها، به سرعت کاهش می‌یابد. اگر چه قابلیت‌های جستجو در شیرپوینت با هر نسخه جدید در حال بهبود است، اما هنوز هم اشکالاتی وجود دارد:
1.تجربه جستجوی کاربر بستگی زیادی به نحوه تنظیم این ویژگی توسط ادمین‌ها دارد.
2.جستجو محدود به مجموعه سایتی است که کاربر با آن کار می کند.
3.بدون سفارشی‌سازی، نتایج جستجو توسط هیچ دسته‌بندی دیگری غیر از سن سند فیلتر نمی‌شود.
با توجه به این محدودیت‌ها، عملکرد جستجو در شیرپوینت بدون برنامه‌نویسی، در بازگرداندن نتایجی که به موقع، جامع و مرتبط باشند، محدود می‌باشد.
استفاده از متادیتاها برای بهبود جستجو
استفاده از متادیتاها به بهبود عملکرد جستجوی اصلی شیرپوینت می‌تواند کمک کند، اما آن هم دارای محدودیت‌هایی است. شیرپوینت یک روش انعطاف‌پذیر برای مدیریت متادیتاها ارائه می‌دهد: شما می‌توانیدTaxonomy ها را همراه با Term set های محدود پیکربندی شده توسط ادمین سایت به کار ببرید، یا شما می‌توانید اجازه دهید متادیتاها کاملا توسط کاربران مدیریت و سفارشی شود.
در هر صورت اعمال متادیاها به محتوا در شیرپوینت باید به صورت دستی انجام شود و این طبقه‌بندی محتوا برای سازمان‌هایی با حجم بسیار زیاد فایل‌های ذخیره نشده در شیرپوینت، کار بسیار سختی خواهد بود.
علاوه براین نتایج اغلب متناقض است. برچسب‌گذاری کل محتوا یا فایل به فایل اقدام بزرگی است که به احتمال زیاد نیاز به تعداد زیادی کارمندان دانشی خواهد داشت. حتی اگر سازمان تمام تلاش خود را برای تدوین و ابلاغ دستورالعمل‌ها انجام دهد، به طور طبیعی هر فردی از تفسیرخود برای اختصاص متادیتاها استفاده می‌کند. اگر ازTaxonomy های مدیریت شده استفاده می‌کنید، کاربران معمولا تمایل به استفاده از اولین مورد نمایش داده شده دارند. اگر از متادیتاهای کاربر محور استفاده نمایید، یک مقدار پیچیده‌تر خواهد شد.
به طور مثال ممکن است یک کارمند از برچسب ” ارتباطات” استفاده نماید در حالیکه فرد دیگری “اعلانات” را انتخاب نماید. این نوع تغییرات معنایی می‌تواند باعث ایجاد سردرگمی و ناسازگاری در نتایج جستجو شود و سازمان به هدف ساده‌سازی دارایی‌های دانش خود نخواهد رسید. البته این چالش مختص شیرپوینت نمیباشد و پیاده سازی مدیریت دانش با هر پلتفرم دیگری نیز این چالش را خواهد داشت.
عدم پشتیبانی از اتوماتیک‌سازی
آنچه شیرپوینت به شدت فاقد آن است، روشی جهت اختصاص اتوماتیک متادیتاها به فایل بر اساس طبقه‌بندی داده‌ها است. طبقه‌بندی داده‌ها به شرکت اجازه می‌دهد تا با طبقه‌بندی و سازماندهی محتوای ذخیره شده در سیستم مدیریت دانش خود، یک معماری اطلاعات صحیح را طراحی کند. با اعمال سازگاری معنایی و طبقه‌ای در کل یک پایگاه دانش، می‌تواند اطمینان حاصل کرد که محتوا مطابق با استانداردهای نظارتی است و محتوای خارج از انطباق را میتوان به راحتی کشف کرد.
برای تولید نتایج جستجوی سریع، مرتبط و سازگار شما به یک موتور طبقه‌بندی داده نیاز دارید که بتواند قوانین معنایی و ساختاری طبقه‌بندی داده‌ای خاص را دریافت و سپس تعداد زیادی پرونده را با برچسب‌گذاری هوشمندانه با متادیتای مناسب مطابق با طبقه‌بندی، به صورت عمده پردازش کند. متأسفانه، در شیرپوینت بدون برنامه‌نویسی نمی توانید به این وظایف دست یابید.
محدودیت فیلتر کردن در نتایج جستجو
جستجوی داخلی شیرپوینت در طبقه‌بندی محتوا بر اساس معیارهای که بر اساس کلمات کلیدی قابل ثبت کردن نیستند، نیز محدود است. به عنوان مثال، کارکنان دانش و رهبران سازمانی اغلب طبقه‌بندی اسناد را بر اساس سطح اهمیت آنها ضروری و مفید می‌دانند، بنابراین یک موتور جستجو باید بتواند نتایج را براساس بیشترین ارتباط و مهمترین یافته ها در بالای لیست مرتب کند.
بدون پیکربندی اضافی، جستجوی شیرپوینت توانایی مرتب‌سازی نتایج بر اساس ارتباط را ندارد، حتی اگر متادیتاها با دقت و پیوسته در کل مخزن اعمال شده باشند. دلیل این امر این است که کلمات کلیدی مورد استفاده در متادیتاهای شیرپوینت نمی‌توانند به اندازه کافی ویژگی‌هایی مانند اهمیت داده یا حساسیت را نشان دهند. در نتیجه، یک جستجو تنها بر اساس کلمات کلیدی، طیف وسیعی از نتایج را با درجات مختلف اهمیت برمی‌گرداند.
به عنوان مثال، نتیجه جستجوی کلمه کلیدی “خدمات مالی” ممکن است شامل یک گزارش جامع مدیر مالی از حاوی داده‌های مالی محرمانه و همچنین یک یادداشت داخلی کارمند باشد که به طور خلاصه خدمات مالی را به همراه چند زمینه دیگر ثبت کرده باشد. جستجوی شیرپوینت (بدون برنامه‌نویسی) هر دو سند را با وزن برابر در نتایج جستجو مورد بررسی قرار می‌دهد، حتی اگر گزارش مدیر مالی به وضوح از اقتدار و اهمیت بیشتری برخوردار باشد. این محدودیت، استفاده موثر از اسناد به اشتراک‌گذاشته شده را برای کارمندان دانش سخت می‌کند.
برای تبدیل شیرپوینت به یک راهکار موثر در مدیریت دانش، سازمان‌ها باید پلت فرم شیرپوینت را با یک ابزار طبقه بندی داده ادغام کنند که توانایی‌های Out of the Box شیرپوینت را با جستجوی قوی‌تر، معماری اطلاعات واقعی، طبقه بندی و مدیریت term ها گسترش دهد.
مطالب مرتبط
